Промышленное производство
Промышленный Интернет вещей | Промышленные материалы | Техническое обслуживание и ремонт оборудования | Промышленное программирование |
home  MfgRobots >> Промышленное производство >  >> Manufacturing Technology >> Промышленные технологии

Для управления автопарком ИИ и Интернет вещей лучше вместе

Применение искусственного интеллекта в Интернете вещей (IoT) способствует быстрому развитию инноваций в самых разных отраслях, от здравоохранения до производства и транспорта.

В то время как IoT фокусируется на разработке систем удаленных датчиков для сбора данных, искусственный интеллект вещей (AIoT) соединяет эти системы для создания коллективного разума, который, в конечном итоге, делает каждый узел в системе умнее. Сочетая интеллектуальное познание, периферийные вычисления и автономные возможности, он обеспечивает автоматизированную обработку решений, принимаемых людьми, с низкими затратами, большими масштабами и высокой точностью.

Эта технология уже составляет основу многих современных систем коммерческого транспорта, особенно в сфере безопасности автопарка.

AIoT особенно полезен для секторов, которые генерируют огромные объемы данных, которые не могут быть эффективно обработаны людьми. В транспортной отрасли объем данных, генерируемых транспортными средствами, растет с каждым днем, поскольку автопарки обновляют свои технологические возможности и внедряют новейшие передовые системы помощи водителю (ADAS).

Хотя объединение видео и данных о транспортных средствах имеет решающее значение для обнаружения и снижения рисков безопасности, большинству платформ не хватает хранилища или вычислительных возможностей для обработки, анализа и интерпретации всех этих данных в облаке. Более того, устройства, обычно устанавливаемые на грузовые автомобили, генерируют данные с высоким разрешением, что делает передачу данных через облако экономически невыгодной.

В ответ технология AIoT объединяет возможности машинного обучения бортовых и автомобильных устройств с вычислительной мощностью сред облачной обработки. Такой интегрированный подход позволяет установленным устройствам делать выводы, которые были бы потеряны, если бы данные пришлось суммировать или сокращать перед передачей в облако.

Системы AIoT обладают уникальной двунаправленностью и объединяют данные сотен бортовых устройств для выявления тенденций, которые, в свою очередь, определяют, как эти же устройства будут принимать решения в будущем.

Бортовые устройства постоянно принимают решения на основе искусственного интеллекта на основе алгоритмов машинного обучения и датчиков, установленных в различных точках автомобиля. В системе AIoT аргументы, лежащие в основе каждого решения, загружаются в среду облачной обработки, которая затем может просматривать данные и аналитические данные от большой группы устройств для определения общих тенденций. Затем эта информация отправляется обратно на устройство в качестве обновления его алгоритма машинного обучения. Чем больше узлов участвует в этом цикле собранной «краудсорсинговой» информации, тем умнее и лучше будет работать каждый узел.

В качестве бонуса системы AIoT могут обмениваться информацией, собранной за пределами датчиков транспортных средств, такой как прогнозы погоды, условия движения и опасные происшествия на дороге. Эти аналитические данные, полученные на основе данных о поведении вождения, учат устройства принимать решения в реальном времени по всем вопросам, от самого быстрого маршрута до скорости, наиболее подходящей для погодных условий.

Системы безопасности для коммерческих грузовых перевозок уже давно осознали преимущества AIoT, задолго до того, как этот термин был принят. Например, AIoT обычно используется для своевременного самообучения водителей. Датчики ADAS в кабине могут предупреждать водителей об угрозах безопасности в режиме реального времени, чтобы они могли предпринять корректирующие действия до того, как произойдет столкновение.

Недавно AIoT даже был развернут для выявления и предупреждения менеджеров автопарка о «сидячих утках», коммерческих грузовиках, припаркованных в опасных коридорах. В этих случаях системы машинного обучения оценивают сложную последовательность событий, которая отражает риски безопасности автомобиля, припаркованного на каком-либо конкретном месте.

Триггерное управление - ключ к безопасности транспортировки; отправка правильного уведомления в нужное время спасает автопарки от дорогостоящих столкновений и, что наиболее важно, спасает жизни. Когда платформа безопасности извлекает данные из каждого транспортного средства в парке и сопоставляет их с фактическими результатами безопасности в облаке, AIoT гарантирует, что бортовые устройства могут эффективно уведомлять водителей с помощью нужных сигналов. Возможность предупреждать драйверы в нужный момент требует обработки на границе, уведомлений с малой задержкой и возможных исправлений. В отличие от устройств, работающих на периферии, отправляя непрерывный поток различных событий в облако, AIoT учит эти устройства определять, расставлять приоритеты и реагировать на наиболее рискованные действия.

В секторе коммерческого транспорта технология AIoT может устранить некоторые из наиболее значительных на сегодняшний день рисков при вождении:отвлечение внимания, превышение скорости из-за погодных условий и парковку в исторически опасных дорожных коридорах.

В любой день мы уже знаем самые опасные дороги страны. Представьте себе влияние привязки этой информации к системам маршрутизации, чтобы помочь всем водителям выбирать самые безопасные и эффективные маршруты для своих автомобилей или уровня навыков вождения. При использовании краудсорсинга эта технология может даже помочь муниципальным, государственным и федеральным агентствам реагировать на опасные элементы дороги, такие как выбоины, и внедрять новые стратегии безопасности при проектировании дорог и автомагистралей.

Дэвид Вагстафф, вице-президент по аналитике Системы SmartDrive , поставщик видеообъявлений о безопасности и транспортировке.


Промышленные технологии

  1. Как облачные провайдеры меняют перспективы управления данными и аналитикой Интернета вещей
  2. Управление данными Интернета вещей при зимнем тестировании
  3. Являются ли Интернет вещей и облачные вычисления будущим данных?
  4. Что такое туманные вычисления и что они означают для Интернета вещей?
  5. Планирование и выполнение цепочки поставок работают лучше вместе
  6. В производстве данные и материалы не менее ценны
  7. Почему данные и контекст важны для видимости цепочки поставок
  8. Для распространения вакцины менеджерам автопарка нужны более точные данные в реальном времени
  9. Промышленный AIoT:сочетание искусственного интеллекта и Интернета вещей для Индустрии 4.0
  10. 4 совета и проблемы по улучшению управления активами IIoT